利用基因規劃法進行車輛偵測器資料填補

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：157

、訪客IP：18.218.138.170

姓名

陳世倫(Shih-lun Chen) 查詢紙本館藏

畢業系所

土木工程學系

論文名稱

利用基因規劃法進行車輛偵測器資料填補
(Imputing Vehicle Detector Data by Genetic Programming)

相關論文

★ 紅燈右轉人車衝突風險分析	★ 機車騎士紅燈怠速熄火意願及其預期成效之研究
★ 雪山隧道路徑導引策略研究	★ 利用回饋式類神經插補探討路段車輛偵測器佈設間距
★ 機車紅燈怠速熄火節能減碳效果評估	★ 應用存活分析法於運具移轉行為之研究
★ 利用基因規劃法預測高速公路旅行時間	★ 以鏈結串列搜尋車輛偵測器遺漏值最佳填補方式
★ 應用存活分析法於鋪面坑洞影響因素及使用年限之研究	★ 機車隨機到達情況下紅燈怠速熄火效果之研究
★ 雪山隧道行車速率特性分析	★ 應用存活分析法於公路長隧道事故分析之研究
★ 需求反應式運輸系統營運模式與績效評估－以復興鄉為例	★ 應用存活分析於市區公車駕駛行為異常之研究
★ 市區公車油耗與節能減碳之研究	★ 臺北市YouBike公共自行車節能減碳替代效果

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

本研究主要目的為針對雪山隧道路段車輛偵測器之遺漏值，利用基因規劃法進行實證分析，以求得最佳填補函數。首先，進行單一屬性資料填補，採用上、下游累積偵測器資料並逐步向外對稱延伸累積，分別進行流量、速率、佔有率填補，分析填補績效與投入填補之車輛偵測器數量是否相關。接著以多屬性資料分別進行流量、速率、佔有率資料填補，以求得最佳之填補函數。之後，再將單一屬性與多屬性資料分別填補流量、速率、佔有率之績效進行排名，以求得進行填補時採用之優先順序。最後，將基因規劃法之填補績效與回饋式類神經網路進行績效比較。
結果顯示，利用基因規劃法之填補績效優於回饋式類神經網路之填補績效。綜合流量、速率與佔有率之填補績效，流量&速率填補排名第一，速率&流量&佔有率填補排名第二，而速率填補績效最差，排名第七。以填補流量績效而言，利用流量資料取上下游累積至第5組偵測器進行填補可獲得最佳填補績效，MAPE值為5.23%；以填補速率績效而言，利用流量&速率資料取上下游累積至第3組偵測器進行填補可獲得最佳填補績效，MAPE值為0.96%；以填補佔有率績效而言，利用佔有率資料，取上下游累積至第11組偵測器進行填補可獲得最佳填補績效，MAPE值為10.67%。

摘要(英)

To search for the optimal imputation of Vehicle Detector, this paper, we carried out an empirical analysis for missing value of Hshehshan tunnel via Genetic Programming. We, at first, use signal attribute data impute missing value by accumulated nearest pairs of up- and downstream vehicle detectors, and analyze the relation between performance and number of vehicle detectors, whereupon, we imputed missing value by multi-attribute data. After testing data imputation, we ranked all types of imputation according to the performance. Finally, Recurrent Neural Network was selected to compare with Genetic Programming.
The results showed that the performance of Genetic programming is better than Recurrent Neural Network. If we ranked all types of imputation according to conbined the three imputation performance, the rank as follows, flow&speed imputaiotn is 1st, speed&flow&occ imputation is 2st and speed imputation is the worst. For flow imputation, we use flow data, the accumulated nearest five pairs of detector up- and downstream could be input for the highest accuracy. For speed imputation, we use flow&speed data, the accumulated nearest three pairs of detector up- and downstream could be input for the highest accuracy. For occupancy imputation, we use occupancy data, the accumulated nearest eleven pairs of detector up- and downstream could be input for the highest accuracy.

關鍵字(中)

★ 遺漏值
★ 基因規劃法
★ 填補績效

關鍵字(英)

★ Missing Value
★ Imputation Performance
★ Genetic Programming

論文目次

摘要 i
Abstract ii
目錄 iii
圖目錄 v
表目錄 vi
第一章緒論 1
1.1研究背景與動機 1
1.2研究目的 2
1.3研究範圍 2
1.4研究方法 2
1.5研究流程 2
第二章文獻回顧 4
2.1基因規劃法文獻回顧 4
2.2資料填補文獻回顧 7
2.3小結 10
第三章研究方法 11
3.1基因規劃法 12
3.2績效評估 19
3.2.1 變異數分析 19
3.2.2平均數差異檢定 20
第四章實驗設計 24
4.1單一屬性資料輸入填補設計 24
4.2多屬性資料輸入填補設計 26
第五章實證分析 29
5.1 資料前置處理 30
5.2單一屬性資料輸入填補 31
5.2.1流量填補 33
5.2.2速率填補 35
5.2.3佔有率填補 37
5.2.4小結 39
5.3多屬性資料輸入填補 40
5.3.1流量填補 42
5.3.2速率填補 44
5.3.3佔有率填補 47
5.3.4小結 48
5.4 GP填補績效比較 49
5.4.1流量填補績效比較 49
5.4.2速率填補績效比較 53
5.4.3佔有率填補績效比較 57
5.4.4小結 61
5.5 GP與類神經填補績效比較 62
5.5.1流量填補績效比較 63
5.5.2速率填補績效比較 65
5.5.3佔有率填補績效比較 68
5.5.4小結 71
第六章結論與建議 72
6.1結論 72
6.2建議 75
參考文獻 76
附錄A 80
附錄B 90

參考文獻

一、中文文獻
1.陳惠國，「研究方法-理論與實務」，滄海書局，2010。
2.林鈺翔，「利用時間資料填補車輛偵測器遺漏值之研究」，國立中央大學土木學系碩士論文，2010。
3.陳玉菁，「台灣地區國道交通事故影響車輛行車延滯時間之研究」，逢甲大學運輸科技與管理學系碩士班碩士論文，2010。
4.廖梓淋，「利用資料填補概念探討車輛偵測器佈設間距」，國立中央大學土木工程學系研究所碩士論文，2009。
5.林昇甫、徐永吉，「遺傳演算法及其應用」，五南圖書出版公司，2009。
6.何應岳，「運用RNN網路與基因規劃法建構一台股指數期貨跨商品價差交易系統」，朝陽科技大學財務金融系碩士論文，2006。
7.鐘侑達，「遺傳規劃與RNN網路在河川演算法上之比較」，逢甲大學水利工程學系碩士班碩士論文，2005。
8.謝明昇，「應用遺傳規劃法進行氣候預報降尺度分析於季節性河川流量預報」，國立台灣大學生物環境系統工程學研究所碩士論文，2005。
9.陳侑德，「遺傳程式規劃於發展複製賣權策略之應用」，國立中央大學資訊管理學系碩士論文，2004。
10.馮正民、邱裕鈞，「研究分析方法」，建都文化事業股份有限公司，2004。
11.石村貞夫、陳耀茂，「變異數分析入門」，初版，鼎茂圖書，2004。
12.吳啓聰譯，「商用統計學－入門與應用」，初版，美商麥格羅希爾，2002。
13.黃俊英，「多變量分析」，七版，翰蘆圖書，2000。
14.陳立信譯，「變異數分析」，初版，華泰書局，1997。
二、英文文獻
15.Hitoshi Iba, Topon Kumar Paul, Yoshihiko Hasegawa., “Applied genetic programming and machine learning”, Boca Raton : CRC Press, 2010.
16.Abhishek, M., “A genetic programming approach to explore the crash severity on multi-lane roads”, Accident Analysis and Prevention, 2009.
17.Tung, C. P., Lee, T. Y., Yang, Y. C. E. and Chen, Y. J.,“ Application of genetic programming to project climate change impacts on the population of Formosan landlocked salmon”, Environmental Modelling & Software, 24: 1062&1072, 2009.
18.Yang, Y. C. E., Cai, X. and Herricks, E. E., “Identification of Hydrologic Indicators Related to Fish Diversity and Abundance – A Data Mining Approach for Fish Community Analysis”, Water Resources Research, 44, W04412, doi:10.1029/2006WR005764, 2008.
19.Zhaobin Liu, Satish Sharma, Sandeep Datla, “Imputation of Missing Traffic Data during Holiday Periods”, Transportation Planning and Technology, Vol. 31, No. 5, pp. 525-544, 2008.
20.M. Li, G. Liu, and Y. Zhao, “Forecasting GDP Growth using Genetic Programming” International Conference on Natural Computation, China, pp. 393-397, 2007.
21.Mei Chen, Jingxin Xia, Rongfang Liu,“Developing a Strategy for Imputing Missing Traffic Volume Data”, JOURNAL of the TRANSPORTATION RESEARCH FORUM, Vol. 45, No. 3, pp. 57-76, 2006.
22.Wen, Y. H., Lee, T. T. and Cho, H. T., “Missing Data Treatment And Data Fusion Toward Travel Time Estimation For ATIS”, Journal of the Eastern Asia Society for Transportation Studies, Vol.6, pp. 2546-2560, 2005.
23.Yang, Y. C.,“Modeling the Impact of Climate Change on Water Temperature and Potential Population of Formosan Landlocked Salmon’s Reintroduction Habitat ”, Thesis for the Degree of Master of Science Graduate Institute of Bioenvironmental Systems Engineering National Taiwan University, 2004.
24.Huang, C. C. and Lee, H. M., “A Grey-based Nearest Neighbor Approach For Missing Attribute Value Prediction”, Applied Intelligent, Vol.20, No.3, pp. 239-252, 2004.
25.Rick Riolo, Bill Worzel,“Genetic programming theory and practice”, Boston: Kluwer Academic, 2003.
26.Chen, C., Kwon, J., Rice, J., Skabardonis, A. and Varaiya, P. , “Detecting Errors And Imputing Missing Data For Single Loop Surveillance Systems”, Transportation Research Board January, Washington, D.C, Vol.1855, pp160-167. 2002.
27.Chen, D., Muller, S. G., Mussone, L. and Montgomey, F. , “A Study of Hybrid Neural Network Approaches and the Effects of Missing Data on Traffic Forecasting”, Neural Computing & Applications, pp. 277-286, 2001.
28.Gold, D. L., Turner, S. M., Gajewski, B. J. and Spiegelman, C., “Imputing Missing Values In ITS Data Archives For Intervals Under 5 Minutes,” Transportation Research Board 80th Annual Meeting January 7-11, Washington, D.C, 2001, Paper No. 01-2760.
29.Massimo Santini, Andrea Tettamanzi, “Genetic Programming for Financial Time Series Prediction”, Proceedings of the 4th European Conference on Genetic Programming, p.361-370, April 18-20, 2001.
30.Hitoshi Iba and Takashi Sasaki,“Using Genetic Programming to Predict Financial Data”, in Proc. 1999 Congress on Evolutionary Computation (CEC99), IEEE Press, 1999.
31.Dragan A. Savic, Godfrey A. Waters and James W. Davidson,“A Genetic Programming Approach to Rainfall&Runoff Modeling”, Water Resources Management, vol. 13, pp. 219-231, 1999.
32.Delurgio, S. A., Forecasting principles and applications, McGraw-Hill, 1998.
33.Langdon, William B., “Genetic programming and data structures: genetic programming + data structures = automatic programming”, Boston: Kluwer Academic Publishers, 1998.
34.Benyahia, I., Potvin, J.Y., “Decision Support for Vehicle Dispatching Using Genetic Programming”, IEEE transactions on systems, man, and cybernetics—part a: systems and humans, Vol. 28, no. 3, 1998.
35.C. Gathercole and P. Ross.,“ Small populations over many generations can beat large populations over few generations in genetic programming”, In J. Koza, K. Deb, M. Dorigo, D. B. Fogel, M. Garzon, H. Iba, and R. L. Riolo, editors, Genetic Programming, Proceedings of the Second Annual Conference, pages 111–118, Morgan Kaufmann, San Francisco, CA, USA, 1997.
36.Koza, J. R., “Genetic programming II: automatic discovery of reusable programs ” , MIT Press, 1994.
37.Koza, J. R., “Genetic Programming：On the Programming of Computers by Means of Natural Selection”, MIT Press, 1992.

指導教授

吳健生(Jiann-Sheng Wu)

審核日期

2011-12-20

推文